.png){kind=icon}
返回
ECG-Based Human Identification System by Adaptive SVD Algorithm
.png){kind=icon}
PRE
AI
DOI：10.1142/S0219843625400158.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着生物识别技术中对增强安全性的需求日益增长，基于ECG的人体识别已引起越来越多的关注。本研究开发了一种便携式ECG采集设备，并在身份识别背景下提出了一种自适应奇异值分解（SVD）算法，用于从ECG信号中提取特征。与经典的奇异值分解-总体最小二乘（SVD-TLS）算法相比，所提出的自适应SVD算法能够基于自相关图自动选择参数化功率谱的模型和阶数。这解决了SVD-TLS算法的关键局限性，即其面临选择归一化比率的合适阈值的挑战。此外，利用ECG信号的频域特性，该方法减少了特征数量，从而提高了识别过程的执行效率。本文的结构组织如下：首先，从ECG信号中提取多个心动周期；其次，使用自适应SVD算法获取每个心动周期的特征；最后，开发了一款ECG信号分析软件，以方便获取各种ECG分析结果。为验证所提出方法的有效性，在MIT-BIH心律失常数据库上进行了实验，实现了99.59%的识别准确率。此外，使用设计的便携式ECG采集设备收集了40名健康受试者的ECG数据，在自建数据库上获得了95.03%的识别率。实验结果表明，所提出的方法在识别性能方面优于当前最先进的方法。
Keyword:
ECG
SVD
power spectrum
human identification
CNN
期刊
IF:
1.6
论文数:
57
被引数:
633
机构
引用论文
A Low-Cost Water Depth and Electrical Conductivity Sensor for Detecting Inputs into Urban Stormwater Networks用于检测城市雨水网络输入的低成本水深和电导率传感器.png)
SENSORS
OAAI
SENSORSIF3.5
OAAI分享收藏Efficient Algorithm and Architecture of Critical-Band Transform for Low-Power Speech Applications
PREAI
分享收藏ECG Authentication Method Based on Parallel Multi-Scale One-Dimensional Residual Network With Center and Margin LossIEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏Personal Identification Using a Robust Eigen ECG Network Based on Time-Frequency Representations of ECG SignalsIEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容